BK-Job v3.10.3-beta.1版本发布:TLS支持与多项优化
BK-Job是腾讯开源的一款企业级作业调度平台,专注于提供稳定可靠的作业执行和管理能力。作为某PaaS平台的重要组成部分,它支持跨云、跨操作系统的作业调度,并提供完善的权限管理和审计功能。本次发布的v3.10.3-beta.1版本带来了多项功能增强和优化改进。
安全增强:中间件TLS支持
本次更新最重要的特性之一是增加了对中间件单向TLS的支持。在企业级生产环境中,数据传输的安全性至关重要。通过引入TLS(传输层安全协议)支持,BK-Job现在能够为与中间件的通信提供加密保护,有效防止数据在传输过程中被窃听或篡改。
单向TLS的实现意味着客户端(即BK-Job)会验证服务器(中间件)的身份,确保连接到的是可信的服务端。这种安全机制特别适合企业内部系统间的安全通信场景,在保证安全性的同时,避免了双向TLS带来的证书管理复杂性。
作业模板与账号管理优化
在作业模板管理方面,新版本对账号的导入导出功能进行了优化。作业模板是BK-Job中重要的功能复用机制,而账号信息则是作业执行的关键凭证。优化后的导入导出逻辑更加健壮,能够更好地处理模板与账号之间的引用关系,避免了以往版本中可能出现的数据不一致问题。
主机匹配与脚本检查改进
针对作业导入过程中可能出现的目标主机匹配问题,开发团队进行了重点优化。新版本改进了主机匹配算法,提高了准确性,确保导入的作业能够正确关联到预期的主机资源。这对于大规模作业迁移和批量操作场景尤为重要。
脚本管理方面,解决了临时文件清理的问题。在之前的版本中,脚本语法检查生成的临时文件不会自动删除,可能导致磁盘空间占用问题。新版本增加了自动清理机制,提升了系统的资源管理效率。
数据归档与AI平台兼容性
数据归档设置中的保留天数配置项得到了修复,确保归档策略能够按照预期执行。这对于长期运行的作业系统尤为重要,既能保证必要的历史数据可追溯,又能有效控制存储成本。
考虑到BK-Job与AI平台的集成需求,新版本特别添加了AI平台版本依赖声明,为使用AI相关功能的用户提供了明确的版本兼容性指导。
稳定性修复
本次发布还包含多个稳定性修复:
- 修复了AIX系统上执行含全局变量作业时的报错问题
- 解决了File-Worker长时间运行后可能出现的文件下载失败问题
- 修正了导入作业中执行账号显示为空的情况
这些修复进一步提升了BK-Job在不同环境下的稳定性和可靠性。
总结
BK-Job v3.10.3-beta.1版本在安全性、稳定性和易用性方面都有显著提升。特别是TLS支持的加入,使得平台更加适合对安全性要求高的企业环境。各项优化和修复也体现了开发团队对产品质量的持续追求。对于正在使用或考虑采用BK-Job的企业用户,这个版本值得关注和评估。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00